11/06/2026
www.snachannel.it
La tua vita in un algoritmo: ecco come l’IA sta riscrivendo le assicurazioni
https://www.snachannel.it/index.php/all-categories/mercati-italiani/la-tua-vita-in-un-algoritmo-ecco-come-lia-sta-riscrivendo-le-assicurazioni
MILANO - L’assicurazione sulla vita è nata come uno dei più alti atti di solidarietà: un contratto con cui il rischio del singolo viene diluito in una collettività per garantire continuità economica e progettuale ai suoi eredi. Oggi, questo paradigma potrebbe subire una metamorfosi radicale.
L’ammortamento collettivo del rischio sta cedendo il passo a un calcolo matematico individuale e iper-personalizzato, attraverso cui il principio mutualistico rischia di essere eroso dal codice digitale. Perché il vostro ultimo acquisto online, la frequenza dei vostri passi registrata dallo smartwatch o la vostra posizione geografica potrebbero servire all'assicuratore molto più di una cartella clinica.
Nel corso della Summer School Sna è stato analizzato come i Big Data e l’IA stiano riscrivendo le regole della tutela della persona, trasformando la valutazione del rischio da un evento incerto da condividere a una probabilità statistica da anticipare. Fino a ieri, l’assicuratore si basava su dati tradizionali: età, anamnesi e stato di salute dichiarato. Oggi, il sistema attinge a una miniera di dati comportamentali e ambientali. Ma la vera rivoluzione non è la raccolta, bensì la distinzione tra "dato in senso stretto" (l'informazione che forniamo consapevolmente) e l'inferenza. L'algoritmo non si limita a osservarvi: "immagina" il futuro attraverso collegamenti, anche solo ipotetici, creati da processi di correlazione statistica. Il confine tra dato neutro e dato sensibile è così svanito:
1) Abitudini digitali e acquisti online: Possono svelare stili di vita o condizioni di fragilità economica e sociale;
2) Dati wearable (sonno, passi): Non sono solo numeri, ma "proxy" che conducono a inferenze su rischi metabolici o cardiovascolari;
3) Geolocalizzazione: Fornisce indizi sul contesto socio-economico che, per l'algoritmo, predicono l'aspettativa di vita.
Secondo la ricerca presentata dall’avv. Giulia Biagioni all’Università degli studi di Firenze, il sistema AI non si limita a trattare dati sensibili, ma è in grado di ricavare informazioni sulla salute o sulla probabilità di sviluppare patologie a partire da dati apparentemente neutri. Il vero elemento di potere non è più il singolo dato, ma la capacità del modello di trasformare informazioni banali in conoscenza predittiva sul soggetto.
Storicamente, l’assicurazione raggruppa gli individui in categorie ampie. L’IA sta spingendo il settore verso una granularità elevatissima, o iper-segmentazione. Grazie al machine learning, le imprese assicurative potranno avvicinare il premio alla specifica curva di rischio individuale, eliminando l'incertezza tipica delle valutazioni basate su età, o sesso. Questo risultato tecnico contiene in se un punto di rottura sociale. Se il rischio è perfettamente prevedibile per il singolo, l’idea di "redistribuzione collettiva del rischio" svanisce. I soggetti a basso rischio ottengono premi irrisori, mentre chi è identificato come "vulnerabile" subisce aumenti punitivi, ossia l'esclusione dalla copertura.
"Si manifesta una tensione strutturale: quanto più il rischio è iper-segmentato attraverso inferenze algoritmiche, tanto più si riduce lo spazio della mutualità e della funzione sociale dell'assicurazione" ha spiegato l’avv. Giulia Biagioni durante la sua lezione a Villa Ruspoli, sede del Dipartimento di studi giuridici.
Il Regolamento UE 2016/679, all’articolo 22, riconosce il diritto di non essere sottoposti a decisioni basate unicamente su trattamenti automatizzati (profilazione) che incidano significativamente sulla persona. Tuttavia, nel settore vita, il "consenso" rischia di ridursi a un mero simulacro legale per due ragioni critiche:
1. L'eccezione della necessità contrattuale: La norma permette decisioni automatizzate se necessarie per la conclusione di un contratto. Questo è la scappatoia giuridica che rende la profilazione una clausola standard spesso non negoziabile.
2. Asimmetria informativa: Esiste una disparità conoscitiva tale per cui l’assicurato (e talvolta lo stesso intermediario) non possiede gli strumenti per comprendere le reali implicazioni del trattamento automatizzato a cui si sottomette.
Per molti, la polizza vita non è un lusso opzionale, ma un pilastro della pianificazione familiare. In questo contesto, "accettare" la profilazione non è una scelta libera, ma una condizione di accesso a una protezione essenziale.
Il nuovo quadro europeo, l’AI Act, ha definito un approccio netto, inserendo i sistemi di scoring e pricing assicurativo nella stessa categoria dei sistemi per la valutazione del merito creditizio, o per l'accesso a servizi essenziali (come acqua ed elettricità). Questa classificazione è dovuta a uno slittamento epistemologico: la conoscenza assicurativa sta cambiando natura, passando da "ricognitiva" (valutare il rischio esistente) ad "anticipatoria". Questa capacità di prevedere probabilisticamente la realizzazione futura di un evento rafforza enormemente il potere selettivo delle imprese, rendendo obbligatorie tutele stringenti per evitare che l'algoritmo diventi un arbitro insindacabile della vita dei cittadini.
Esiste un disallineamento tra le diverse anime del diritto. Da un lato la Direttiva Solvency II si occupa della stabilità finanziaria delle imprese con una logica macroprudenziale: guarda al rischio come a una variabile da coprire per garantire che la compagnia resti solida. Dall'altro, il GDPR presidia la tutela della persona.
Il problema è che la logica patrimoniale di Solvency II ignora spesso gli effetti discriminatori. Qui entra in gioco il concetto di "Proxy": anche se un algoritmo non utilizza dati sanitari (vietati dall'Art. 9 GDPR), può usare variabili "delegate" — come il codice postale o le abitudini di spesa — che agiscono come sostituti del dato sensibile. Queste variabili riproducono o amplificano svantaggi preesistenti in modo invisibile. Per colmare questo vuoto, autorità come Ivass ed Eiopa stanno intervenendo con linee guida di soft law per imporre equità e trasparenza nella governance degli algoritmi.
La sfida non è solo tecnologica, ma anche culturale e giuridica. Il diritto non può limitarsi a correggere gli errori a posteriori; deve assumere una "funzione conformativa", orientando l'innovazione verso l'equità sociale prima che il codice venga scritto. Rafforzare la spiegabilità dei modelli e imporre limiti legali alla segmentazione estrema sono gli unici modi per salvare la funzione solidaristica del settore.
I consumatori sono consapevoli di scambiare la propria privacy e il principio di solidarietà collettiva per uno sconto sul premio assicurativo, calcolato da un algoritmo che pretende di conoscerci tutti?
Nicola Novelli
